文章 2018-02-17 来自:开发者社区

监督式和非监督式机器学习算法

监督式机器学习 实际应用中的机器学习在大部分情况下我们都会使用监督式学习。 监督式学习指的是你拥有一个输入变量和一个输出变量,使用某种算法去学习从输入到输出的映射函数 这种学习方式就称之为监督式学习,因为算法学习从训练数据集学习的过程可以被看成类似于一名教师在监督学习学习的过程。我们已经知道了正确的答案,而算法不断迭代来对训练数据做出预测同时不断被一名教师修正。当算法达到一个可接受程度的表现时学....

文章 2018-02-16 来自:开发者社区

重要的机器学习算法

本文旨在为那些获取关于重要机器学习概念知识的人们提供一些机器学习算法,同时免费提供相关的材料和资源。并且附上相关算法的程序实现。 通用的机器学习算法包括: 1.决策树。 2.SVM。 3.朴素贝叶斯。 4.KNN。 5.K均值。 6.随机森林。 下面是使用Python和R代码实现并简要解释这些常见机器学习算法。 1.决策树: 这是作者最喜欢的算法之一,作者经常使用它。它是一种...

文章 2018-01-30 来自:开发者社区

机器学习|朴素贝叶斯算法(三)-深入理解朴素贝叶斯原理

机器学习|朴素贝叶斯算法(一)-贝叶斯简介及应用 机器学习|朴素贝叶斯算法(二)-用sklearn实践贝叶斯机器学习|朴素贝叶斯算法(三)-深入理解朴素贝叶斯原理 在机器学习|朴素贝叶斯算法(一)-贝叶斯简介及应用中通过计算穿长裤中女生的概率解释了贝叶斯算法。这里在提供另外一种思路:它给我们提供的是一种根据数据集$D$的内容变化更新假设概率$H$的方法。 这种理解在《贝叶斯思维:统计建模的pyt....

文章 2018-01-29 来自:开发者社区

机器学习|朴素贝叶斯算法(二)-用sklearn实践贝叶斯

相信上一篇博客肯定已经让你了解了啥叫朴素贝叶斯算法,好歹知道贝叶斯公式是咋来的了,够了!接下来会谈一谈我在刚接触机器学习时,通过sklearn这个实验级的库感受到的朴素贝叶斯算法的强大。 tip:文章可能很长,希望看完了能有所收获 机器学习|朴素贝叶斯算法(一)-贝叶斯简介及应用机器学习|朴素贝叶斯算法(二)-用sklearn实践贝叶斯机器学习|朴素贝叶斯算法(三)-深入理解朴素贝叶斯原理 初学....

文章 2018-01-29 来自:开发者社区

机器学习|朴素贝叶斯算法(一)-贝叶斯简介及应用

偶然间听说阿里云云栖社区这个“寒假换装攻略活动”,还送键盘!正好缺一个键盘(ノへ ̄、)人穷志短,人穷志短,不开心的话说两遍,回到现实,想想把朴素贝叶斯算法再重新整理整理,来拿键盘( ̄︶ ̄)↗  tip:文章可能很长,希望看完了能有所收获 机器学习|朴素贝叶斯算法(一)-贝叶斯简介及应用机器学习|朴素贝叶斯算法(二)-用sklearn实践贝叶斯机器学习|朴素贝叶斯算法(三)-深入理解朴素贝叶斯原.....

文章 2018-01-28 来自:开发者社区

机器学习新手必学十大算法指南

在机器学习中有一种“无免费午餐(NFL)”的定理。简而言之,它指出没有任何一个算法可以适用于每个问题,尤其是与监督学习相关的。 因此,你应该尝试多种不同的算法来解决问题,同时还要使用“测试集”对不同算法进行评估,并选出最优者。 大原则 然而,这些都有一个共同的原则,那就是所有监督机器学习算法都是预测建模的基础。 机器学习算法包括目标函数(f),输入映射变量(X),生成输出变量(y):Y=f(X.....

文章 2018-01-24 来自:开发者社区

机器学习算法①

机器学习算法 广泛地说,有三种类型的机器学习算法。 1.监督学习 这个算法由一个目标/结果变量(或因变量)组成,这个变量可以从一组给定的预测变量(独立变量)中预测出来。 使用这些变量,我们生成一个将输入映射到所需输出的函数。 训练过程一直持续到模型达到训练数据所需的准确度。 监督学习的例子:回归,决策树,随机森林,KNN,逻辑回归等。 2.无监督学习 在这个算法中,我们没有任何目标或结果变量...

文章 2018-01-22 来自:开发者社区

一文看懂自动驾驶中应用的机器学习算法

本文来自AI新媒体量子位(QbitAI) 机器学习算法已经被广泛应用于自动驾驶各种解决方案,电控单元中的传感器数据处理大大提高了机器学习的利用率,也有一些潜在的应用,比如利用不同外部和内部的传感器的数据融合(如激光雷达、雷达、摄像头或物联网),评估驾驶员状况或为驾驶场景分类等。 在KDnuggets网站最近发表的一篇文章中,作者Savaram Ravindra将自动驾驶中机器学习算法主要分为...

一文看懂自动驾驶中应用的机器学习算法
文章 2018-01-22 来自:开发者社区

【AI比人更擅长妥协】Nature子刊全新机器学习算法探讨人机合作

电脑可以轻松在国际象棋中取胜,并能够很快在其他零和游戏中成为人们的对手。因为教它们竞争很容易,但教它们合作和妥协就不一定了。 BYU计算机科学教授Jacob Crandall和Michael Goodrich以及麻省理工学院和其他大学的同事创造了一种新算法,让机器的妥协和合作不仅变成可能,而且有时甚至比人类更有效。 研究人员使用S#算法对机器进行编程,并通过各种双人游戏运行它们,以了解它们在某些....

文章 2018-01-19 来自:开发者社区

用机器学习来预测情侣间何时吵架,这是一个很实用的算法

本文来自AI新媒体量子位(QbitAI) “再给你最后一次选择的机会。” “?” “王者荣耀,还是我?” “……” 别担心,以后生死攸关的对话就有可能被避免了。最近,南加州大学的科研团队开发出了一种极其有用的机器学习算法,这种算法能够对情侣之间发生的争吵进行识别并及时提醒,在实验室环境下,其准确率已经达到了79.3%。 研究者们借助USC的“情侣移动感知项目”(Couple Mobile ...

用机器学习来预测情侣间何时吵架,这是一个很实用的算法

本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。

产品推荐

人工智能平台PAI

人工智能平台 PAI(Platform for AI,原机器学习平台PAI)是面向开发者和企业的机器学习/深度学习工程平台,提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务,内置140+种优化算法,具备丰富的行业场景插件,为用户提供低门槛、高性能的云原生AI工程化能力。

+关注